Самые используемые команды Python для очистки данных.

⏩Инспекция данных

df.head() – первые строки
df.info() – информация о DataFrame
df.describe() – статистика числовых данных

⏩Обработка пропущенных данных

df.isnull().sum() – количество пропущенных значений
df.dropna() – удаление строк с пропусками
df.fillna(value) – заполнение пропусков

⏩Очистка и трансформация данных

df.drop_duplicates() – удаление дубликатов
df.rename(columns={'old': 'new'}) – переименование колонок
df.astype({'col': 'type'}) – изменение типа данных
df.replace({'old': 'new'}) – замена значений
df.reset_index() – сброс индекса
df.drop(['col'], axis=1) – удаление колонок

⏩Выбор и фильтрация данных

df.loc['label', 'col'] – выбор по метке
df.iloc[] – выбор по индексу
df[df['col'] > value] – фильтрация

⏩Агрегация и анализ данных

df.groupby('col').agg('mean') – группировка и агрегация
df.sort_values('col', ascending=False) – сортировка
df.value_counts() – количество уникальных значений
df.apply() – применение функции
df.pivot_table(values, index, columns) – сводная таблица

⏩Объединение данных

pd.concat([df1, df2]) – объединение DataFrame
pd.merge(df1, df2, on='key') – слияние по ключу
df1.join(df2) – объединение по индексу
df1.append(df2) – добавление строк

👉 @PythonPortal